کتاب ارزیابی عملکرد مدل‌های زبان بزرگ (LLM) بر روی پردازنده‌های گرافیکی NVIDIA

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ارزیابی عملکرد مدل‌های زبان بزرگ (LLM) بر روی پردازنده‌های گرافیکی NVIDIA

موضوع کلی: مهندسی نرم‌افزار و سیستم‌های محاسباتی

موضوع میانی: بهینه‌سازی عملکرد و ارزیابی سیستم‌های هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر مهندسی نرم افزار و سیستم های محاسباتی
  • 2. مبانی معماری کامپیوتر و اجزای سیستم
  • 3. آشنایی با پردازنده های گرافیکی (GPU) و کاربردهای آن
  • 4. معرفی پردازنده های گرافیکی NVIDIA و معماری CUDA
  • 5. مفاهیم اساسی پردازش موازی و محاسبات توزیع شده
  • 6. مدل های زبان بزرگ (LLM): مفاهیم و معماری ها
  • 7. کاربرد LLM در پردازش زبان طبیعی
  • 8. مقدمه ای بر ارزیابی عملکرد سیستم های محاسباتی
  • 9. معیارهای کلیدی ارزیابی عملکرد: زمان پاسخ، توان عملیاتی، مصرف منابع
  • 10. مقدمه ای بر بنچمارکینگ (Benchmarking)
  • 11. اهمیت بنچمارکینگ در بهینه سازی عملکرد
  • 12. انواع بنچمارک ها: synthetic, real-world
  • 13. ابزارهای بنچمارکینگ رایج در حوزه محاسبات
  • 14. نحوه طراحی سناریوهای بنچمارکینگ معتبر
  • 15. ملاحظات اخلاقی و حقوقی در بنچمارکینگ
  • 16. ارزیابی عملکرد زیرساخت های سخت افزاری
  • 17. شناخت سخت افزار مورد نیاز برای اجرای LLM
  • 18. معرفی پردازنده های گرافیکی NVIDIA برای هوش مصنوعی
  • 19. مدل های مختلف GPU NVIDIA و مشخصات فنی آنها
  • 20. حافظه GPU: انواع، ظرفیت و پهنای باند
  • 21. ارتباطات بین GPU ها: NVLink و PCIe
  • 22. سیستم عامل و درایورهای مورد نیاز برای GPU
  • 23. نصب و پیکربندی درایورهای NVIDIA
  • 24. ابزارهای مانیتورینگ سخت افزار NVIDIA
  • 25. NVIDIA System Management Interface (nvidia-smi)
  • 26. تحلیل خروجی nvidia-smi برای درک وضعیت GPU
  • 27. تنظیمات بهینه سازی درایور NVIDIA
  • 28. مقدمه ای بر نرم افزارهای مرتبط با LLM
  • 29. فریمورک های یادگیری عمیق: TensorFlow, PyTorch
  • 30. کتابخانه های بهینه سازی LLM: TensorRT, DeepSpeed
  • 31. مدیریت بسته ها و محیط های مجازی پایتون
  • 32. نصب و پیکربندی فریمورک های یادگیری عمیق
  • 33. نصب و پیکربندی کتابخانه TensorRT
  • 34. نصب و پیکربندی کتابخانه DeepSpeed
  • 35. آماده سازی داده ها برای ارزیابی LLM
  • 36. مجموعه داده های استاندارد برای ارزیابی LLM
  • 37. تولید داده های مصنوعی برای سناریوهای خاص
  • 38. پیش پردازش و پس پردازش داده ها
  • 39. فرمت های داده رایج در LLM
  • 40. ارزیابی عملکرد بخش استنتاج (Inference) LLM
  • 41. مفهوم استنتاج در مدل های هوش مصنوعی
  • 42. فرایند استنتاج مدل های زبانی بزرگ
  • 43. تاثیر معماری LLM بر عملکرد استنتاج
  • 44. معیارهای ارزیابی استنتاج: Latency, Throughput
  • 45. محاسبه Latency در استنتاج LLM
  • 46. محاسبه Throughput در استنتاج LLM
  • 47. بهینه سازی استنتاج LLM با استفاده از TensorRT
  • 48. تبدیل مدل های PyTorch/TensorFlow به فرمت TensorRT
  • 49. تنظیمات بهینه سازی در TensorRT
  • 50. استفاده از Precision های مختلف (FP32, FP16, INT8)
  • 51. ارزیابی عملکرد مدل های بهینه شده با TensorRT
  • 52. بهینه سازی استنتاج LLM با استفاده از DeepSpeed
  • 53. قابلیت های DeepSpeed برای بهینه سازی LLM
  • 54. استفاده از تکنیک های موازی سازی در DeepSpeed
  • 55. ارزیابی عملکرد مدل ها با DeepSpeed
  • 56. مقایسه عملکرد روش های مختلف بهینه سازی
  • 57. انتخاب بهترین روش بهینه سازی بر اساس نیاز
  • 58. روش های ارزیابی جامع عملکرد LLM
  • 59. طراحی آزمون های جامع برای LLM
  • 60. اندازه گیری دقیق Latency و Throughput
  • 61. تحلیل مصرف حافظه و پردازنده در حین استنتاج
  • 62. استفاده از ابزارهای پروفایلینگ (Profiling)
  • 63. NVIDIA Nsight Systems برای پروفایلینگ
  • 64. تحلیل پروفایل های عملکردی
  • 65. ارزیابی عملکرد در سناریوهای بارگذاری بالا
  • 66. تست استرس (Stress Testing) سیستم
  • 67. شناسایی گلوگاه های عملکردی (Bottlenecks)
  • 68. تکنیک های رفع گلوگاه های عملکردی
  • 69. بهینه سازی کد پایتون برای اجرای LLM
  • 70. استفاده از Cython برای سرعت بخشیدن به کد
  • 71. بهینه سازی عملیات I/O
  • 72. مدیریت حافظه در پایتون
  • 73. ارزیابی کلی سیستم های محاسباتی هوش مصنوعی
  • 74. شاخص های کلیدی عملکرد (KPIs) برای سیستم های LLM
  • 75. گزارش دهی نتایج بنچمارکینگ
  • 76. تفسیر نتایج و ارائه راهکارها
  • 77. اصول مهندسی نرم افزار در توسعه سیستم های هوش مصنوعی
  • 78. مدیریت پیکربندی سیستم های LLM
  • 79. اصول امنیت در سیستم های هوش مصنوعی
  • 80. قوانین و مقررات ناظر بر استفاده از هوش مصنوعی در ایران
  • 81. رعایت اصول شرعی در توسعه و استفاده از هوش مصنوعی
  • 82. ملاحظات اخلاقی در توسعه و استقرار LLM
  • 83. مستندسازی فنی سیستم های LLM
  • 84. نگهداری و بروزرسانی سیستم های LLM
  • 85. آینده پژوهی در حوزه ارزیابی عملکرد LLM
  • 86. روندهای جدید در سخت افزار و نرم افزار هوش مصنوعی
  • 87. تاثیر تحولات جهانی بر صنعت هوش مصنوعی
  • 88. آموزش های تکمیلی و منابع بیشتر

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.